Meta 收购 ARI，剑指 AGI 物理训练，完善全身人形机器人控制布局

Meta 收购 ARI，剑指 AGI 物理训练，完善全身人形机器人控制布局

近日，Meta 宣布收购专注于人形机器人物理交互与全身运动控制的初创公司 **ARI**（Agile Robotics Intelligence）。这一动作被业内视为 Meta 在通往通用人工智能（AGI）道路上的一次关键落子——不再满足于虚拟世界的大语言模型与多模态感知，而是将触角正式伸向物理世界的“具身智能”训练。

# 物理世界：AGI 的“最后一公里”训练场

当前主流 AGI 路径依赖海量文本与图像数据，但缺乏对物理规律（如力、平衡、碰撞）的直接体验。Meta 首席科学家杨立昆多次强调，**真正的通用智能必须能在物理世界中行动并学习**。收购 ARI 的核心逻辑，正是为 AI 系统提供“肉身”——通过全身人形机器人平台，让模型在真实重力环境下完成行走、抓取、避障等任务，从而习得因果推理与空间物理直觉。这与 Meta 此前推出的 **Habitat 3.0** 仿真平台形成互补：仿真用于低成本预训练，ARI 的实体机器人则用于高保真度微调与验证。

# 全身控制：从“机械”到“类人”的跨越

人形机器人的难点不仅在于单关节精度，更在于 **全身协调的动态平衡**。ARI 的核心技术栈包含三部分：**实时运动重规划引擎**（可应对突发外力扰动）、**柔性关节阻抗控制**（模拟人类肌肉的柔顺性）以及 **多模态触觉反馈融合**（足底压力+手部纹理感知）。这些技术恰好补足了 Meta 在“全身运动基元”上的短板——此前 Meta 的机器人研究多集中于上半身抓取或导航，缺乏完整的人体运动链控制能力。收购后，Meta 有望将 ARI 的控制器与自家 **Ego-Exo 4D** 人体运动数据集结合，构建从感知到执行的全闭环系统。

# 行业影响：巨头竞赛进入“物理层”

此次收购标志着科技巨头在 AGI 领域的竞争已从“算力堆砌”转向“物理交互能力”的争夺。谷歌旗下的 DeepMind 早已通过“虚拟到现实”迁移训练机器人，而特斯拉的 Optimus 也在不断迭代全身控制。Meta 的差异化在于 **开放生态**：其公开的 **Habitat 平台** 和 **PyTorch 框架** 可能将 ARI 的控制算法标准化，吸引第三方开发者加入人形机器人训练任务。若成功，Meta 将不仅拥有社交网络的数据护城河，更可能建立 **物理世界 AI 训练的基础设施**——从仿真沙盒到真实机器人，覆盖 AGI 所需的全部数据维度。

当然，挑战依然存在：人形机器人的硬件成本、能耗与长期可靠性仍是规模化瓶颈。但收购 ARI 表明，Meta 已经选择了一条更“重”但更接近智能本质的路径。